响应式簇结构的无线传感器网络路由算法

在无线传感器网络路由协议中利用分簇技术可以提高网络的存活时间。提出了一种基于响应式的簇结构路由算法（RCSA）。该算法的思想是应用节点间局部信息快速选举簇头,簇头之间以多跳的通信方式传输数据到汇聚节点,且不需要预先得知节点自身及其他节点的位置信息,大大节约了节点的能量消耗。仿真结果表明该路由算法有效地平衡了节点间的能量消耗,延长了网络的生存周期。     

基于改进蚁群算法的WSN分簇路由机制研究

针对现有的用于无线传感器网络(WSN)的分簇路由协议,存在着所有簇头直接与汇聚节点通信、远离汇聚节点的簇头能量消耗过快等一系列的问题,根据蚁群算法(ACA)及WSN分簇路由算法的特点,对ACA进行改进并引入到WSN分簇路由机制中,提出一种基于改进蚁群算法的WSN分簇路由算法;该算法将到汇聚节点的距离设定为启发函数以找到簇头下沉的最佳路径和提高蚁群算法的效率,同时,在选择节点概率公式时将该节点的剩余能量考虑在内,在数据传输过程中,减少了簇头节点的能量消耗,进而实现节点能量的高效利用,增强网络的使用寿命。以实现网络通信的高效;通过仿真,结果表明,该算法是可行的、有效的。     

无线传感器网络中基于蚁群算法的路由算法

提出一种基于蚁群算法的无线传感器网络路由算法。该算法综合网络分簇算法及蚁群算法的优点,考虑节点当前可用能量对路由选择的影响,使选择路由时既能均衡节点的能量消耗,又能利用蚁群算法正反馈的作用实现快速搜寻从簇头节点到汇聚节点的多跳最优路径,通过在簇头节点进行数据汇聚降低路由的开销。仿真结果验证了该算法的可行性和有效性。     

一种基于预测的WSN非均衡分簇路由算法

无线传感器网络由部署在一定区域内大量传感器节点组成.针对无线传感器网络中分簇路由算法中存在的"热区"问题,提出了一种基于虚拟区域划分的非均衡簇路由算法.算法将簇划分的任务交由能量无限制的汇聚节点完成,使得靠近汇聚节点的内层簇的规模小于外层簇的规模.在簇的结构中引入了主、从簇头节点,从而实现了分布式簇头选举工作,同时在分簇过程中避免了每个阶段的能量消耗.将Markov预测模型引入到主簇头节点的更换过程中,从而避免了主簇头因为能量完全消耗而死亡,也避免了因为主簇头死亡而造成网络分割,降低网络的生存时间,利用NS2.26仿真平台对基于虚拟区域划分的非均衡簇路由算法进行了仿真验证,结果表明与传统路由算法相比,该算法延长了WSN的生存时间,有效提高了WSN网络健壮度.     

一种新的基于粒子群优化的双簇头分簇路由算法*

针对无线传感器网络分簇路由算法中簇头节点负载过重,簇头能量利用率不高,提出了一种基于粒子群优化的双簇头多跳路由算法。该算法根据簇头任务的不同,利用节点的能量、距离汇聚节点的距离以及节点的位置关系分别构建适应值函数,选择出最优主簇头完成数据采集和融合任务,以及与其协作的最优副簇头完成簇间数据转发任务,最终实现采集能耗和传输能耗最小化。仿真实验结果表明,与其他路由算法相比,该算法可以有效减轻簇头节点负载,减小簇头能量消耗,均衡整个网络能耗,延长了网络的生存周期。     

压缩感知的能量异构WSN分簇路由协议

分簇路由协议对用于环境监测的无线传感器网络具有较好的节能性,数据压缩可以减少节点通信的数据量,但增加了分簇层次结构簇头的能耗和汇聚节点算法的复杂度,而由高能力节点担任簇头可以实现能量均衡并改善网络性能。针对无线传感器网络能量异构普遍存在的特点,提出了一种基于压缩感知的能量异构分簇路由协议（CSCH算法）。该算法根据异构节点能量确定多极簇头选举的概率,将簇内节点的信息集中在簇头上,而簇头对所采集的数据进行稀疏、压缩,以减少向汇聚节点传输数据的节点数和通信量,汇聚节点利用重构算法可从来自簇头的少量数据中恢复出信号源。同时设计了一种基于正态分布的权值系数,以优化在数据量过少情况下压缩感知算法的信号重构性能。仿真实验结果表明,该协议不仅能充分利用能量异构资源,均衡网络能耗,延长整个网络生命周期,而且能精确恢复信号源。     

采用权函数计时的无线传感器网络分簇算法

为进一步降低无线传感器网络的能耗,提出了一种采用权函数计时的无线传感网络分簇路由算法。算法构建了节点聚合度与剩余能量之间的权函数,并以此为标准进行计时分簇,根据各节点权函数值与计时时长的差异来选举合理的簇头。在该路由算法下,周期性的分簇过程中节点不需交换各自的节点聚合度信息,降低了网络通信量,进而降低了网络能耗。仿真实验结果表明该算法成簇收敛性好,成簇规模稳定,能有效延长网络生存周期。     

传感网络中一种基于蚂蚁算法的分布式数据汇集路由算法

提出了一种传感网络中基于蚂蚁算法的分布式数据汇集路由算法．该算法的基本思想是通过一组称为“蚂蚁”的人工代理寻找到达Sink节点的最优路径，并利用蚂蚁算法的正反馈效应来达到数据汇集的目的．算法不需要网络节点雏护全局信息，且数据汇集降低了网络路由开销，因此是一种节约能量的分布式路由算法．理论分析和仿真结果说明了新算法的有效性和可伸缩性．     

融合深度学习的UASN智能路由算法研究

由于UASNs部署环境的差异无法适应路基传感网络的一些理论方法,因此提出了融合深度学习的智能路由算法.首先分析UASNs的信道与噪声衰减,以及能耗模型,模型构建过程中充分考虑了影响数据传输能耗的多种因素.然后针对立体网络拓扑,从均衡性角度设计了能量阈值计算方法,并依据能耗与阈值完成簇头选择.最后融合深度网络与AE学习算法,利用多隐层提高特征提取的精确度,各节点将特征结果通过簇头汇总后,根据汇聚中心下发的参数更新路由.基于Matlab搭建UASNs仿真环境,分别对算法的簇头选择、网络寿命和适应性进行了对比验证,结果表明所提路由算法在簇头分布上更加合理,能够降低簇头数据传输能耗,保证网络的均衡性,并且对于网络节点移动具有极强的适应性.     

基于蚁群的无线传感器网络分簇路由算法

在研究经典低能量自适应分簇路由算法的基础上,提出基于蚁群的无线传感器网络分簇路由算法。该算法将蚁群算法应用到簇间路由机制中,寻找簇头到基站的最佳路径,使得离基站较远的簇头节点沿着最佳路径传输信息,有效地减少了簇头节点的能量开销。同时,在簇头选举时,该算法不仅考虑簇头节点的剩余能量,而且兼顾簇头与簇头之间的距离,使得簇头分布更加均匀。仿真结果表明,该算法和LEACH及DADC算法相比,有效地均衡了网络能量消耗,并延长了网络生命周期。